基于人工神经网络的烧结终点预测模型研究
| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-9页 |
| 第1章 绪论 | 第9-13页 |
| ·课题的背景及意义 | 第9页 |
| ·国内外研究现状 | 第9-11页 |
| ·国外研究现状 | 第10-11页 |
| ·国内研究现状 | 第11页 |
| ·论文的主要工作 | 第11页 |
| ·本文的组织结构 | 第11-12页 |
| ·本章小结 | 第12-13页 |
| 第2章 烧结基本原理 | 第13-19页 |
| ·烧结生产的基本工艺流程 | 第13页 |
| ·烧结过程的主要化学反应 | 第13-14页 |
| ·去硫反应 | 第14页 |
| ·氧化物的分解、还原以及氧化反应 | 第14页 |
| ·烧结过程特点 | 第14-15页 |
| ·烧结终点 | 第15-18页 |
| ·烧结终点及其计算 | 第15-17页 |
| ·影响烧结终点的主要因素 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 第3章 人工神经网络基本理论 | 第19-37页 |
| ·人工神经网络发展简史 | 第19-21页 |
| ·人工神经网络的基本特征 | 第21页 |
| ·人工神经元模型 | 第21-23页 |
| ·BP神经网络基本理论 | 第23-27页 |
| ·BP神经网络的基本结构 | 第24页 |
| ·BP神经网络的学习算法 | 第24-26页 |
| ·BP算法的改进 | 第26-27页 |
| ·RBF神经网络基本理论 | 第27-34页 |
| ·RBF神经网络的拓扑结构 | 第27-28页 |
| ·RBF神经网络的映射关系 | 第28-29页 |
| ·RBF神经网络的训练准则和常用算法 | 第29-34页 |
| ·人工神经网络工具箱 | 第34-35页 |
| ·人工神经网络泛化能力分析 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 基于人工神经网络的烧结终点预测模型 | 第37-72页 |
| ·不同预测模型建模方法的探讨 | 第37-39页 |
| ·机理建模方法 | 第37页 |
| ·回归分析建模方法 | 第37-39页 |
| ·人工神经网络建模方法 | 第39页 |
| ·烧结终点预测问题的描述 | 第39-40页 |
| ·预测误差评价函数 | 第40-41页 |
| ·预测模型流程图 | 第41页 |
| ·样本数据分析 | 第41-49页 |
| ·输入输出量的选择 | 第42页 |
| ·数据的准备 | 第42-46页 |
| ·数据预处理 | 第46-49页 |
| ·基于BP神经网络的烧结终点预测模型 | 第49-60页 |
| ·BP神经网络模型的建立 | 第49-51页 |
| ·烧结终点预测实例仿真及分析 | 第51-59页 |
| ·预测结果对比分析 | 第59-60页 |
| ·基于RBF神经网络的烧结终点预测模型 | 第60-68页 |
| ·可行性分析 | 第60-61页 |
| ·RBF神经网络预测模型的建立 | 第61-62页 |
| ·算法的确定及实现 | 第62-66页 |
| ·网络仿真及分析 | 第66-68页 |
| ·在线训练及其实现 | 第68-71页 |
| ·本章小结 | 第71-72页 |
| 第5章 全文总结和研究展望 | 第72-74页 |
| 参考文献 | 第74-77页 |
| 致谢 | 第77-78页 |
| 攻读硕士学位期间发表的学术论文 | 第78页 |
